【技术实现步骤摘要】
本申请涉及人工智能，特别是涉及一种基于模型置信域的智能电网深度学习模型版权保护方法、装置、系统、计算机可读存储介质和计算机程序产品。
技术介绍
1、随着智能电网技术的快速发展，机器学习模型在电力系统中的应用越来越广泛。特别是深度学习技术的进步，促进了包括电网流量预测、用户用电行为分析、设备异常检测等在内的多种高级分析算法的发展。然而，这些基于机器学习的系统依赖于高质量的数据集，这使得它们成为知识产权盗窃的潜在目标。
2、例如，智能电网中的机器学习模型通常需要访问和分析大量的用户数据，如家庭用电习惯、用电量等。这些数据一旦被攻击者通过模型提取攻击获取，不仅会侵犯用户的隐私，还可能被用于恶意目的，如诈骗或窃取用户身份信息。同时，智能电网中还包含大量的电网运行数据，如电力负荷、设备状态等。这些数据对于电网的安全运行至关重要。如果攻击者通过模型提取攻击获取这些数据，可能会导致电网运行数据被泄露，从而危及电网的安全和稳定运行，攻击者可以利用这些数据进行电力市场操纵或针对电网的网络攻击。因此，如何在这种情况下保护神经网络的版权成为一个亟
【技术保护点】
1.一种基于模型置信域的智能电网深度学习模型版权保护方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述确定所述置信域特征点集在所述模型判别界限上的梯度向量，并对获取的所述梯度向量按照线性判别分析的方法进行降维，包括：
3.根据权利要求1所述的方法，其特征在于，所述根据所述模型特征标识集对待训练的版权检测模型进行训练，包括：
4.根据权利要求3所述的方法，其特征在于，所述通过同源数据子集搜索的方式对所述模型特征标识集进行扩展，得到扩展后的模型特征标识集，包括：
5.根据权利要求1所述的方法，其...
【技术特征摘要】
1.一种基于模型置信域的智能电网深度学习模型版权保护方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述确定所述置信域特征点集在所述模型判别界限上的梯度向量，并对获取的所述梯度向量按照线性判别分析的方法进行降维，包括：
3.根据权利要求1所述的方法，其特征在于，所述根据所述模型特征标识集对待训练的版权检测模型进行训练，包括：
4.根据权利要求3所述的方法，其特征在于，所述通过同源数据子集搜索的方式对所述模型特征标识集进行扩展，得到扩展后的模型特征标识集，包括：
5.根据权利要求1所述的方法，其特征在于，所述获取智能电网深度模型集，包括：
6.根据权利要求1所述的方法，其特征在于，所述待训练的版权检测...
【专利技术属性】
技术研发人员：徐文倩，张喜铭，李鹏，蒋屹新，梁志宏，杨祎巍，杨秋勇，徐欢，
申请(专利权)人：南方电网科学研究院有限责任公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。